超六成企业AI项目困于试点，仅23%实现规模化应用，真正产生可衡量商业价值的不足5%_服务软件

1. 千亿智能体爆发前夜，谁来保护我们的AI安全？｜甲子光年

2. AI智能体也卷起来了？又懂业务又不用搭工作流…

3. 快抄作业！我用JoyAgent搞了个AI团队 2025年都快结束了，Agent是不是还没用上？我找到了打工人用上智能体的最简单方法，就是用JoyAgent把每天重复的SOP全做成Agent，不懂代码也能零门槛搭建，而且效果很稳定。看着AI团队全自动打工、出活，非常解压。 #AI #智能体 #JoyAgent #JoyCode #京东云

4. “联想创新之旅·2025”天津站开启了。联想搞了场制造业的AI路演，杭州西奥电梯核心团队跑去取经。有意思的点在于，双方都没空谈AI改变一切，而是直接把混合式AI当作车间里的扳手用。制造业的数字化转型喊了这么多年，终于到了祛魅的时刻。联想把自己在天津的智慧产业园当成试验场，从算法优化到产线重组，硬生生验证了一套能复制的智能工厂范式，这比互联网公司画的AI大饼实在多了。全栈AI战略的精髓在于不搞技术军备竞赛，而是盯着新质生产力这个靶心打。比如用AI预测设备故障，把停机时间从小时级压缩到分钟级；通过实时数据调度让物料周转效率提升40%，这些才是制造业老板看得到听得懂的。更值得玩味的是联想在推的混合式AI。不在云端空跑大模型，让轻重算法在各司其职的同时还能打配合战。就像老钳工带徒弟，关键工序亲手操刀，普通活儿让AI练手，这种务实反而走出了特色智能制造的路子。造业的AI革命已经静悄悄地发生在检测工位、调度系统和供应链条里。或者这是产业升级和中国制造创新的最好路径之一！

5. 别把AI的“效率”当成唯一目标，安全永远是底线。 #大咖观察 #红衣聊AI #智能体 #网络安全

6. 【从规则系统到智能体】在"State of Agentic AI: Founder’s edition"文章里看到的这句话，很准确地讲述了AI 智能体的优势「AI 智能体更擅长处理需要认知能力、推理和适应性的复杂、动态和非结构化任务。与遵循僵化、预定义规则的 RPA 不同，AI 智能体可以朝着一个目标进行推理，动态地即时决策，并随着时间的推移学习或改进——这使它们能够处理边缘情况 (edge cases) （也就是意料之外的特殊情况）和环境变化而不会“罢工”」最近在设计一个系统来尝试从日志和其他各种输入条件中，推断问题根本原因，也需要在规则还是智能体之间决策，最终决定还是走智能体的路线，最主要的思考点也是如何处理长期可能存在edge case，虽然短期内用规则可以稳定地跑个小半年，但是随着人员和系统的演进，规则会需要不断地调整和优化，以适应系统的变化。但智能体"可能"不需要。这其实也是规则系统和智能体之间的不同之处↓1. 从规则到目标：认知能力的引入RPA 的核心在于“规则执行”，而 AI 智能体的核心在于“目标导向”。前者关心的是如何执行，后者思考的是为什么执行。这种差异的根本在于：AI 智能体具备了“认知能力”——它能够理解任务上下文、评估环境状态、权衡路径，并根据目标进行推理与规划。我们给智能体设计的是一个目标和约束规则，智能体可以在我们设定的目标和框架内"有意识"地，对各种情况进行灵活处理。比如一个客服智能体，设计的目标如果是让客户满意，智能体可能会自己判断用户说话的语气和心情，进行灵活的应答。2. 从静态到动态：应对不确定性的能力传统自动化的假设前提是环境稳定、流程可预测。但现实世界往往恰恰相反：数据缺失、输入异常、系统变化、边缘案例频出。RPA 在这种情况下就像在固定轨道上运行的火车，一旦轨道错位，便无法前行。AI 智能体的关键特性在于适应性。通过持续学习与动态推理，它能够在面对不确定性时，仍然“保持行动”。比如，一个采购智能体在遇到新供应商流程时，不会立刻失败，而是通过知识库与反馈机制自行更新策略。这意味着系统不再“被动执行”，而是具备“自我修正”的能力。3. 从执行到进化：持续学习的闭环AI 智能体的强大之处不止在于智能决策，更在于长期的自我演化。RPA 的生命周期是线性的：开发 → 测试 → 部署 → 维护。而 AI 智能体的生命周期是循环的：感知 → 推理 → 行动 → 学习。这种循环形成了“认知闭环”，让系统能够随着时间推移而变得更强。例如，在销售预测场景中，智能体会根据过去的判断误差，动态调整模型；在运营优化中，它能自动发现流程瓶颈，提出改进建议。这种能力的积累，意味着 AI 智能体不仅能“做任务”，还能“改进自己”。为了让智能体能够进化，我们在一开始设计系统的时候就要考虑如何让智能体从过去的经验中学习。比如可能设计一个RAG系统，让智能体可以从历史处理的过程和结果数据检索相关经验，从而指导新的问题的处理。也可能是一个迭代的微调系统，用历史数据微调新的模型，用微调后的模型来处理新的问题，就代表了智能体的进化过程。RPA 让企业“自动化地做事”，AI 智能体让企业“智能地思考如何做事”。前者提升了效率，后者改变了决策。真正的智能化，不在于让机器代替人执行，而在于让系统具备理解和适应复杂世界的能力。#ai创造营##科技#

7. 探访云栖（二）：AI Agent元年，谁在打造“数字员工”？【101 Weekly】

8. AI幻灭与落地，2026, 大考将至

9. Claude Cowork把华尔街砸懵了！一天内市值蒸发超两万亿，原来不是软件不行了，是AI开始替人干活了。#大咖观察 #红衣聊AI #华尔街 #ClaudeCowork#智能体

10. 阿里千问与“AI Layer”崛起：一场重塑互联网的“操作系统”生态战【硅谷101】

11. 很多人让我比较AI和互联网谁的机会更大，别急，看完这条视频，咱们一起聊聊。#大咖观察 #红衣聊AI #智能体 #互联网

12. #中国超算之父称中国智能体领先世界# 权威认证！在新华网最新发布对谈视频中，#中国工程院院士点赞的AI长啥样# ？荣耀Magic8YOYO智能体的告诉你答案。传统的AI是回答问题，而智能体是解决问题，搭载MagicOS10的荣耀的AI智能体YOYO具备了自主学习能力，从衣、食、住、行、够多场景为用户服务，像生活中的搭子一样，更好的去理解用户和陪伴用户，也能够提供情绪价值。而今天的#荣耀AI终端生态大会# ，正式发布“1×3×N”战略，打造AI智能硬件解决方案新生态。从算法到智能体，从实验室到生活，中国AI正以创新驱动新一轮产业变革。#荣耀Magic8##万事找YOYO# 熊姐的微博视频

13. 2026年智能体将会迎来快速增长期，会成各个企业的重点的投资和发展对象。国内将加速推动 “人工智能 +” 等重点领域的应用场景培育；旧金山的 Halper AI 正式成立，专注于简化 AI 部署流程，帮助面临资源和技术门槛的中小企业实现 AI 数字化转型；2025 首尔人工智能峰会，全球 70 余家企业顶级科技企业探共同探讨讨智能体在多领域的渗透。国内预计 2028 年企业软件中整合自主型 AI 的比例将从 2024 年的不足 1% 飙升至 33%，15% 的日常工作决策将由智能体自主完成。政策扶持将加速智能体在制造、医疗、金融等领域的渗透，形成通用智能体平台加行业专用解决方案的产业格局。#AI生活指南##AI创造营##一分钟视频创作季# 种斌Marco的微博视频

14. AI帮你接管流程：这次轮到差旅了

15. 智能体设计模式总结

16. #科技先锋官# Meta以数十亿美元收购中国AI智能体公司Manus这一Meta史上第三大收购案，不仅折射出AI行业的商业竞逐逻辑，更彰显了核心技术的战略价值，也让AI智能体再次成为关注焦点这是一场精准的双向奔赴。Meta深陷AI应用落地困境，自研大模型表现不及预期，元宇宙战略消耗巨额资金，亟需成熟技术补位；而Manus虽9个月实现1亿美元营收，却受困于指数级增长的算力成本与全球合规压力，Meta的算力资源、全球社交生态与合规体系成为关键吸引力。此次收购或将引发行业并购潮，加速AI赛道巨头整合格局。Manus的多智能体协同架构是核心竞争力。不同于传统单一模型，其通过规划、执行、验证三大子代理分工协作，在GAIA基准测试中复杂任务完成率达94%，超越OpenAI同类产品。这种全链路自动化能力，恰好能串联Meta的大模型、VR/AR硬件与社交生态，构建“技术加场景闭环。AI智能体可理解为自主办事的AI助手，能主动拆解任务、调用工具并交付成果。Manus的案例证明，中国团队已在该领域掌握顶尖技术，但算力与合规瓶颈也暴露了初创企业的成长困境。此次收购既是中国AI技术实力的认可，也为行业发展提供了技术商业化的全新范式。#一条vlog回顾2025##AI创造营##AI创作热点# 种斌Marco的微博视频

17. Google Cloud 推出多智能体 AI 系统参考架构，助力构建高效协作的专业 AI 代理，实现复杂业务流程优化。核心思想是将大任务拆解成多个子任务，由多个专长智能体协同完成，提高效率与准确性，同时支持人机协作保障安全与可靠。架构亮点：- 用户输入由前端发送至协调者代理，自动选择合适代理流程（顺序执行或迭代优化）。- 任务子代理、质量评估器和响应生成器分工明确，支持多轮优化与人工干预。- 支持无服务器 Cloud Run，结合 Vertex AI、GKE、Model Armor 等多款 Google Cloud 产品和开放协议（A2A、MCP），确保系统安全、兼容和扩展性。应用场景广泛：- 财务顾问：实时数据检索、金融分析、个性化股票建议、自动交易执行。- 研究助理：规划、数据收集分析、报告撰写，支持迭代评估完善。- 供应链优化：库存管理、物流跟踪、供应商沟通，实现高效供应链协同。设计要点：- 安全：结合传统安全与动态防御，强调人工监督和最小权限，利用 Model Armor 防范提示注入和敏感信息泄露。- 可靠性：支持容错设计、故障模拟、日志和异常处理，确保高可用。- 运营：全面日志监控、智能体输出评估、工具共享和跟踪，提升运维效率。- 费用与性能优化：合理选型模型与资源，提示工程优化输入输出，支持上下文缓存和批量请求降低成本与延迟。后续行动：- 利用智能体开发套件（ADK）快速构建与部署。- 结合 Agent Garden 示例和代码，实践多智能体系统。- 深入理解 Google Cloud AI 和机器学习的架构原则与最佳实践，实现业务价值最大化。多智能体 AI 系统正推动智能自动化迈向新高度，将复杂任务拆解为可管理模块，提升效率与安全，适合金融、研究、供应链等多领域。推荐架构详细解读请见：cloud.google.com/architecture/multiagent-ai-system

18. 无问芯穹首曝智能体服务平台，以基础设施加速企业级「智能体自由」

19. Agent Skills使用指南：让AI智能体拥有“即插即用”的超能力

20. 中国品牌出海，AI到底能帮上什么忙？这三步让ROI翻倍

21. AI 眼镜联合时尚眼镜厂商？ Rokid 乐奇眼镜 & BOLON AI 智能眼镜上手体验

22. #人工智能#当全球还在热议 AI 模型的迭代与智能体的突破时，资本的流向已悄然转向。400 亿美元收购全球顶级数据中心、150 亿美元打造 AI 枢纽、万亿级基础设施园区规划，这些重磅动作揭示了一个被忽视的真相：AI 的狂欢早已脱离纯粹的 “智力游戏”，沦为一场关于钢铁、电力与土地的硬核博弈。#AI创造营##AI智能# 凯文思考的微博视频

23. AI 正在吞噬 SaaS：CRM 的黄昏与智能体的黎明SaaS 公司的核心资产，从来不是功能，而是控制关系的入口。CRM（客户关系管理系统）之所以能成为企业软件的中心，是因为它掌握了客户数据、销售流程和组织记忆。但现在，这个中心正在坍塌。Jason Lemkin 这条推文写道：> “AI 对 CRM 的威胁，不在于它让 CRM 变得不需要，而在于它让 CRM 变得无关紧要。>> 我们部署了十几个 AI Agent 之后，几乎再也不打开 CRM。> > 你跟 Agent 打交道，CRM 只是在后台沉睡的数据仓库。”Shawn Pang 这条总结得更直白：> “AI 让 CRM 成为一座孤独的数据库。>> 它的 CRUD 功能可以被 AI Coding 重建，它的方法论会被 AI 工作流重写，它最宝贵的客户关系数据，也正在变成一个静默的查询层。”这意味着“应用层”正在被掏空，而“智能层”正在取代它。AI 正在把所有 SaaS 平台变成自己的后端。今天它先接管 CRM；明天它可能接管项目管理、财务、招聘，乃至整个组织的运营逻辑。当企业真正围绕 AI 智能体重构流程时，CRM 不再是“客户关系管理系统”，而是“客户关系记忆体”。这就是为什么 Model Context Protocol（MCP）会引发行业焦虑。因为它让 AI 直接访问到你的数据，也可能直接拿走你的用户。未来的竞争，也许不再是“谁的功能更强”，而是“谁的智能体，离用户更近”。

24. MIT 这篇报告的关键内容↓STATE OF AI INBUSINESS 2025★ 执行摘要1. 投入300-400亿美元，95%零回报：尽管企业在生成式AI上投入巨大，但只有5%的试点项目带来了可衡量的利润影响。2. "生成式AI鸿沟"：广泛采用（如ChatGPT、Copilot等工具）与低转型率（鲜有集成化、可学习的系统）并存。3. 障碍：问题不在于监管、基础设施或人才，而在于学习。现有工具无法保留反馈、适应或随时间改进。4. 赢家：一小部分买家和供应商通过要求/定制能够在工作流中学习适应的系统而取得成功。★ 身处生成式AI鸿沟的错误一侧1. 采用 ≠ 颠覆： 9个行业中有7个未见结构性变化。只有科技和媒体行业出现了有意义的转变。2. 试点到生产的差距： 95%的自定义企业AI工具未能进入生产阶段；只有5%成功。ChatGPT被广泛使用，但在关键任务工作流中失败。3. 影子AI经济：员工使用个人ChatGPT/Claude账户的频率远高于官方企业工具（使用率90% vs 企业采购率40%）。这通常能带来更好的投资回报率。4. 投资偏见：约70%的预算流向销售/营销，但最大的投资回报率在于后台办公自动化（采购、财务、运营）。★ 跨越鸿沟 – 构建者（供应商）1. 制胜策略： - 专注于狭窄、高价值的用例（合同自动化、语音AI、代码生成）。 - 构建能够从反馈中学习并深度嵌入工作流的系统。 - 通过推荐、合作伙伴关系以及与现有供应商的集成（渠道驱动采用）来赢得信任。2. 时机风险：机会窗口正在关闭。企业将在未来12-18个月内"锁定"自适应系统。一旦工作流程被训练到工具中，转换成本将急剧上升。★ 跨越鸿沟 – 购买者（企业）1. 自建 vs 购买：外部合作伙伴的成功率大约是内部自建的2倍。2. 最佳实践： - 像对待业务流程外包/咨询公司一样对待AI供应商（要求其对结果负责，而不仅仅是演示）。 - 自下而上采用：授权一线经理和"专业消费者"（已经在使用ChatGPT的前线用户）领导推广。 - 要求深度定制、数据安全、与现有工具集成以及适应性。- 投资回报率存在于被忽视的领域：前台办公：更快的潜在客户资格审核，更好的客户保留。后台办公：节省200-1000万美元的业务流程外包费用，减少30%的代理支出，内部化风险检查。★ 劳动力影响1. 尚未出现大规模裁员：岗位替代是有针对性的（客户支持、行政处理、外包开发任务）。2. 主要影响：受冲击行业（科技、媒体）的业务流程外包/代理支出减少以及招聘增长放缓。3. AI素养成为核心招聘筛选条件：许多高管更看重工具熟练度而非工作年限。★ 下一个前沿 – 智能体网络1. 超越智能体： "智能体网络"将使自主系统能够在互联网上进行协商、交易和集成。2. 转变：从孤立的SaaS → 使用MCP、AZA和NANDA协议的可互操作智能体。3. 结果：企业从提示驱动转向协议驱动的自动化，智能体跨流程自我协调。★ 核心洞见1. 高采用率，低回报率：大多数组织在试验生成式AI，但只有极少数实现了转型。2. 学习是瓶颈：缺乏记忆+适应性阻碍了工作流程的扩展。3. 影子AI揭示了有效方法：个体员工比官方企业部署更快地推动投资回报率。4. 自建 → 购买的转变：外部合作伙伴的成功率是内部自建的两倍；内部自建大多失败。5. 后台办公是隐藏的金矿：真正的回报率在于消除业务流程外包和节省运营成本，而非前台办公的营销炒作。6. 智能体网络即将到来：企业必须立即锁定自适应的、智能体化的系统——否则将面临永久落后的风险。报告：www.artificialintelligence-news.com/wp-content/uploads/2025/08/ai_report_2025.pdf#人工智能##ai创造营#

25. Spotify 如何利用生成式 AI 和机器学习标注上亿首曲目

26. #互联网公司# #微博兴趣创作计划# 未来的企业形态正在变：一个人+一群AI，就能构成高效运转的公司。AI不仅提升效率，更在催生全新商业生态与协作模式。搞机工程师的微博视频

27. 收手吧GPT-5-Codex，外面全是AI编程智能体！

28. 如何看待我国手机厂商智能体扎堆GUI模式，但苹果三星谷歌等均以A2A为主？

29. 【当AI智能体比员工多100倍，企业软件会走向何方】这是当下科技圈最热门的话题之一：当AI智能体在企业中承担越来越多的工作，软件的未来会是什么样子？软件会被压缩成一个供智能体调用的数据库吗？我们会用AI来编写自己的个性化企业软件吗？这场新战役的赢家是创业公司还是巨头？想要回答这些问题，首先要理解企业为什么需要软件。企业软件本质上是公司流程的代码化，是你不希望随意改变的部分，因为它们为工作流和运营提供结构，让业务持续运转。一家大型汽车公司采购ERP系统，是因为它构成了复杂全球运营的骨干。这套系统要追踪数百亿美元的收入，确保每笔交易以完全相同的方式处理，达到五个9的正常运行时间，产出能够通过审计。从CEO往下，每个人的饭碗都与这套系统的表现息息相关。为什么企业选择专业软件供应商而非自建？这就要提到“核心”与“情境”的概念。核心是让公司独特的东西，比如产品、人才、文化；情境则是必要但各家企业大同小异的部分，比如薪资、IT工单、ERP、内容管理。情境类软件运行良好时客户察觉不到，出了问题却影响巨大。所以你要从为千万家公司提供专业服务的供应商那里“租用”这些服务。那么，如果未来企业里的AI智能体比人多100倍，会不会吞噬掉软件原来承担的所有用例？用制造业来类比：软件就像工厂里的机器，智能体就像操作机器的工人。在确定性软件中，你希望事情每次都以相同的方式发生：ERP系统根据预设规则计算数据，安全权限每次都一致执行，HR系统不会每次加载时概率性地生成新的汇报结构。而非确定性系统，也就是AI智能体，则负责人类在这些系统中历来要做的事情：在CRM中填写会议记录、为新客户生成销售演示、回答客户支持问询、对企业文档进行研究分析。确定性与非确定性元素最终形成互补。与一些公开讨论的观点相反，我认为在一个企业中AI智能体数量是人类100倍的世界里，记录系统和工具的价值会上升而非下降。因为在这个新世界，软件为智能体提供了在企业内成功运作的护栏，以及让它们自身更高效、与人协作的底层工具。如果你让AI智能体生成10倍的外发邮件和营销信息，这些智能体从哪里获取数据，生成的线索又流向哪里让销售代表跟进？几乎肯定是某种形式的CRM系统。当AI智能体处理和审核发票交易后，数据要录入哪里才能启动供应链工作流？还是现有或革新后的ERP系统。只要人类和智能体还需要互动，就需要确定性软件来无缝连接这些交互。传统上，软件公司被限制在现有IT预算的框架内，通常占公司收入的3%到7%。这为软件市场设置了天花板。但有了AI智能体，软件实际上带来了工作本身，这意味着软件供应商竞争的是完成这些工作的全部支出，而不仅仅是启用它的技术。以合同管理为例。几年前，这个领域受限于组织内需要管理和审核合同的律师数量。但在AI智能体的世界里，这个上限不复存在。智能体可以持续运行，为任何公司处理和审核合同、提供延伸法律服务。美国法律服务市场规模约4000亿美元，是相应法律软件类别的50到100倍。AI智能体只需让法律行业的生产力提升几个百分点，就能一夜之间使法律软件市场规模倍增。那么谁会在这波技术浪潮中获胜？根据克里斯坦森的颠覆式创新理论，当新技术或商业模式对现有企业来说缺乏吸引力时，在位者往往会失败。反之，当新模式支持甚至增强其现有业务时，他们往往能守住阵地。在AI领域，我们可能会看到两种结果并存。某些现有软件类别，比如客户支持或编程，变化之快让许多在位者无法及时调整商业模式或技术栈。同样，有许多智能体原生软件的新类别需要首次创建，因为没有现有供应商能自然地捕捉智能体的工作方式。这将为新创企业创造巨大机会。但也有一些现有SaaS公司处于为智能体赋能的天然位置，尤其是那些拥有AI智能体成功自动化工作所需的自然情境、复杂工作流、与其他系统的连接，以及人机协作天然嵌入工作流程的公司。当然，软件的商业模式必须演进。今天绝大多数SaaS产品按席位收费，这与终端用户的使用量大致对应。但在AI智能体完成大部分交互和工作的世界里，企业系统必须转向更多基于消费和使用量的模式。AI智能体不能简单地作为软件上的席位，因为任何给定的智能体可以在系统内完成不同数量的工作。最终，我们会看到混合模式：用户继续作为软件中的席位存在，而代表扩展使用量的AI智能体则通过消费量来变现。我们已经在AI原生编程产品和其他平台中看到这种模式的出现。毫无疑问，这将是软件历史上最具活力和最激动人心的时期。x.com/levie/status/2013018817610518642

30. 不被AI淘汰的重要能力就是学会当智能体的领导。 #大咖观察 #红衣聊AI #智能体

31. 99%的人都搞错了AI Agent？智能体该如何帮企业赚钱？

32. 全球双榜SOTA！明略科技专有大模型 Mano开启GUI智能操作新时代

33. Anthropic：高效构建 AI 智能体的上下文工程

34. 【京东曹鹏：深度应用是跨越超级智能的支点】在 25 日举行的 JDDiscovery-京东全球科技探索者大会上，京东集团技术委员会主席、京东云总裁曹鹏表示：面对人工智能新时代，深度应用是跨越超级智能的支点他说，现在的AI应用已经不是单点试水，而是全面开花深度应用，各种智能体正推动 AI 从工具转向业务流程渗透。深度应用不是从零构建一套应用系统，而是与企业现有流程深度融合，这也是企业跨越超级智能的关键。

35. 华为最新报告：未来10年，AI智能体、算力、半导体、能源都有巨大的机会#智能世界2035 #AI智能体 #算力 #半导体 #华为

36. 2026年AI全景预测：迈向百亿智能体时代的20个发展趋势。 #大咖观察 #人工智能 #红衣聊AI #智能体 #AI时代

37. AI应该像个会成长的伙伴，而不是只会复述的机器。 #大咖观察 #红衣聊AI #智能体

38. 大模型更像人的大脑，智能体是大模型的手和脚。 #大咖观察 #红衣聊AI #智能体 #大模型

39. AI时代，最不值钱的，就是重复劳动；最值钱的，是你得熟练指挥智能体。#大咖观察 #红衣聊AI #硅谷 #智能体 #AI应用

40. AI智能体离掌管全球经济决策又近了一步！ #大咖观察 #红衣聊AI #金融 #科技 #财经

41. 夜拍封神？AI 全能？荣耀Magic8 Pro 进步有多大？

42. 微表情测谎、极速赔付、AI打败AI，深聊“AI in All”下的保险革命与增长飞轮【硅谷101】

43. 全球AI频繁宕机的背后，企业更大的危机正在逼近

44. #微博声浪计划##听见微博# 热搜词：大厂员工们正在帮AI取代自己。2025年末亚马逊中国区裁员事件，让大厂员工陷入矛盾现实：他们推动AI落地，却面临被替代的焦虑。AI渗透呈现替代与共生并存的真相，高危岗位转移明显。个体出路在于从工具使用者转为智能管理者，技能迁移成必然。争议焦点在技术乐观主义与生存焦虑的对立，进化的生存法则是主动成为AI指挥官。种斌Marco的微博音频

45. SOFA AI 网关基于 Higress 的落地实践

46. AI从来不是空中楼阁，是算力，是电力。是一座座数据中心实实在在托起来的。#大咖观察 #红衣聊AI #算力 #基建 #电力

47. 未来AI公司的核心竞争力，会从谁的数据多变成谁的数据干净。 #大咖观察 #红衣聊AI #数据

48. 当你还觉得AI只是“辅助工具”时，它早已在改写很多行业的游戏规则了。#大咖观察 #红衣聊AI #AI工具 #智能体

49. 几分钟就能“攻破”一家公司的AI，怎么防？ #智能体 #网络安全 #360安全云 #科技改变生活 #网络安全宣传周

50. 黄仁勋最新访谈：AI时代，软件没有价值了吗？很多企业在用AI上都踩了大坑#黄仁勋 #软件 #智能体 #Openclaw #龙虾

51. 2025年，大模型、AIGC、数据智能等技术持续演进，AI驱动的软件架构、开发范式和行业应用正经历深刻变革，软件系统逐渐从“功能实现”走向“价值创造”，从“流程支撑”升级为“智能驱动”。人工智能也已全面融入企业核心运营与战略决策，面对全球经济与技术竞争新格局，行业软件与人工智能的深度融合正在重构产业生态、激发创新活力，为千行百业带来前所未有的发展机遇与挑战。由中科软科技股份有限公司主办的“2025软件技术大会”，11月28在北京举行。作为国内软件技术领域的年度盛事，软件技术大会已经成功连续举办二十三届。本届大会以“AI重塑软件赋能产业未来”为主题，邀请业界专家、企业高管、技术大咖，就软件技术和软件产业未来发展的话题展开深入研讨和交流。除了上午的主会场报告外，大会在下午拟设立五大平行论坛：AI与大模型· 大模型技术的最新突破· 行业大模型的规模化应用· 大模型的安全与合规治理· 低成本训练与推理优化· AI Agent与企业自动化流程重构数据智能与下一代数据基础设施· 数据要素市场化与数据资产化实践· 实时数据湖仓与AI-native数据架构· 向量数据库、图数据库与AI增强的数据分析· 隐私计算与数据安全合规· 数据治理与AI驱动的数据质量管理AI时代的软件架构革命· 云原生+AI：智能化云平台与Serverless演进· 分布式AI系统架构· 大模型时代的微服务与无服务架构优化· 低代码/无代码与AI辅助开发智能研发与软件工程新范式· AI全流程赋能软件开发· 研发效能提升的AI实践· 软件质量与可靠性的AI保障· 人机协同的敏捷开发与团队管理变革金融科技与AI驱动的行业创新· 大模型在金融领域的深度应用· 保险科技：AI核保、理赔自动化与个性化服务· 证券行业的实时数据分析与量化交易AI化· 金融数据安全与AI伦理治理本届大会亮点：·洞察前沿技术全景，把握AI与软件融合新趋势：集中探讨大模型、AI Agent、数据智能、AI原生架构等关键方向，汇聚头部企业与专家分享最新突破与实践路径、智能化演进的核心动向。·深度聚焦行业落地，破解规模化应用难题：聚焦大模型与AI技术在金融等业务场景中的规模化部署、合规治理与成本优化，分享技术如何真正转化为生产力。·突出数据要素与工程创新，夯实智能时代基础设施：围绕隐私计算、AI增强的数据架构、向量数据库等前沿议题，探讨如何构建安全、高效、合规的数据基石，赋能企业智能化升级。·探讨研发范式与组织变革，打造AI原生竞争力：探讨AI全流程赋能软件工程、低代码开发、人机协同等新范式，分享企业重塑研发体系、提升效能，构建面向未来的技术团队与创新文化。目标受众：企业CTO/CIO、架构师、数据科学家、AI工程师、产品经理、金融科技从业者及政府数字化负责人。共同探讨AI如何重塑软件、赋能产业未来。

52. AI 智能体上下文工程 4 大核心策略，拯救大模型的「金鱼记忆」！

53. 构建面向智能体 API 的指南

54. 在这场AI时代的竞争中，安全智能体正是破局的关键。 #大咖观察 #红衣聊AI #智能体 #网络安全

55. AI时代的决胜点到底是什么 AI时代的决胜点，不在能源，不在算法，而在人才！响应国家“人工智能产教融合创新平台”战略，上海交大与华为共建全国最大高校智算平台，打造全国性样板 #AI #AI人才 #AI算力

56. 你最想让智能体机器人先帮你搞定生活，还是提升工作效率？ #大咖观察 #ai新星计划 #红衣聊AI #机器人

57. AI重塑芯片设计思路，高通第五代骁龙8至尊版架构分析

58. 对话云栖大会：下一个AI爆款、大模型进化与Agent万亿级企业市场

59. 图解 AI 智能体的上下文工程

60. 2025过去了！这一年你是不是也在为AI焦虑？老周用360一整年的实践，告诉你答案：不用怕，抓住Agent就赢了！从我自己敲代码做100多个智能体，到带领团队All in，这条AI布道之路，全是实战干货。 2026，你想和智能体一起搞定啥？评论区留言，老周帮你研究！#大咖观察#2026 #年度总结 #红衣聊AI #agent

61. 未来人类社会或将出现百亿甚至千亿智能体，智能体经济是未来方向 #大咖观察 #2026AI看崇礼 #红衣聊AI #智能体

62. 你还不会砍价？我用AI做了个年货砍价智能体...

63. 盘点一周AI大事(10月12日)｜GPT进化AI操作系统 OpenAI发布ChatGPT应用平台 OpenAI推出智能体编排工具AgentKit Sora 2正式开放API，可以生成15秒无水印的高清视频 OpenAI与AMD牵手成功 Google发布最强行动智能体模型Gemini 2.5 Computer Use Google即将发布Veo 3.1，正面硬刚Sora 2 科学家研发出首个自适应AI教师 Hinton称AI已经有了意识，只是它自己不知道 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

64. 评今日美联储降息25bp：低利率可能短期不会来，26年点阵图并不乐观。科技不再是通缩力量，AI正在把供给侧成本曲线整体推高，未来很多通胀可能都是“硅基通胀”。我们正在进入一个 “高利率 + 高 AI 成本” 双重叠加的时代。企业想活下来：一是做硬资产，也就是物理穿透力，二是让这些硬资产的价值流动起来，也就是资本效率。只有把AI 的智能密度和物理世界的执行力真正结合起来，企业才能穿越下一轮周期，走向成功。 #美联储降息# http://t.cn/AXygUfax

65. 数商云《AI智能体开发服务落地指南》正式发布:破解企业落地核心痛点

66. 人工智能体落地困境

67. AI智能体落地难？这套企业级框架破解“探索与规范”的核心矛盾

68. 【原创】企业智能体（AI Agent）落地难的原因与改善策略研究

69. 2026年AI智能体商业化落地遇阻

70. 2025年企业AI智能体落地指南

71. 企业智能体是什么？为什么2025年成为爆发年

72. 企业智能体落地指南——拆解7大关键问题，附实战避坑策略

73. 我看到的真相

74. AI智能体项目10大常见错误与解决方案（黎跃春团队避坑指南）

75. 揭秘95%项目失败的真相

76. 为什么大多数AI智能体失败？三招教你避开落地陷阱

77. 为什么95%的人工智能试点项目会失败，企业领导者应该怎么做

78. 当理想撞上现实

79. 90%的AI智能体注定失败？

80. 收藏！企业AI智能体落地避坑指南

81. 2026 企业 AI 发展核心指南

82. 2026 年企业 AI 人才与组织发展-内训为主渠道&聚焦智能体

83. 2026企业AI转型

84. 2026中国企业级AI智能体白皮书发布

85. 2026"AI应用"前景

86. 2026《AI智能体规模化应用元年—从技术奇观到生产基础设施》深度分析报告

87. AI Agent企业应用爆发

88. 2026AI 元年

89. 95%的企业AI项目是赔本赚吆喝？拆解4类智能体，终结企业“烧钱式”选型

90. 2026 AI 元年

91. LangChain智能体工程状态报告

92. LangChain报告

93. 2025年人工智能发展态势报告

94. 智能体AI与集成

95. 2025年人工智能现状

96. 麦肯锡《The State of AI in 2025》核心要点

97. 麦肯锡

98. 《麦肯锡

99. McKinsey 2025 年 AI 报告核心要点

100. 麦肯锡2025 AI调研

101. 2026智能体AI核心指南

102. 2025年智能体平台指南

103. AI 智能体发展面临的挑战与未来展望（55页报告）

104. 智能体系统

105. AI智能体

106. AI智能体（AI Agent）核心定义+企业适配选型指南

107. 2025年AI智能体选型指南，如何真正落地到企业流程？

108. 【AI智能体】- 企业搭建智能体，只需三个步骤

109. 没有AI技术团队，企业能搭建专属智能体吗？

110. 轻松上手

111. 首次公开！重构智能体生产！无问芯穹推出基础设施智能体蜂群

112. 从实验室到生活

113. API

114. 为什么没有统一协议，多智能体永远无法真正互操作？

115. 企业级AI智能体应用的现实困境与突破机遇

116. 熬过“静默期”

117. 智能体来了从 0 到 1

118. AI智能体与遗留系统

119. AI智能体落地

120. AI 技术栈90天就换一次

121. 企业AI智能体落地三步走

122. AI智能体落地指南

123. 《企业都在说“上智能体”，真正卡住的其实是工程人才缺口》

124. 企业复杂业务是AI“禁区”？智能体四大能力组件精准解题

125. AI 智能体发展面临‘性能质量、成本控制及伦理与法律问题’挑战

126. AI智能体

127. 当数据遇到AI Agent

128. AI正在企业里筑墙？很多老板还沾沾自喜3招教你打破“智能孤岛”

129. 企业级AI智能体市场分析

130. AI智能体开发中的技术难点

131. 资讯速递 | AI智能体时代的领导力

132. 资讯速递 | 扩展人工智能需要新的流程，而不仅仅是新的工具

133. 企业法律 AI 智能体落地：三大核心痛点与破局之道

134. 全国首部AI智能体应用评估标准，现公开征集起草单位和个人！

135. 企业实现AI价值的五大“人力就绪”障碍

136. AI手机折射的困境：智能体应用的最大障碍是什么？

137. AI落地的关键：顶层设计的重要性

138. 为什么只有 5% 的 AI 智能体在生产环境中真正有效？

139. 创业公司别搞智能体

140. 全国首部AI智能体应用评估标准，现公开征集起草单位和个人

141. AI智能体应用正以迅猛之势推进，加速实现规模化落地应用

142. 130页-阿里巴巴AI网关-AI原生架构下的智能流量中枢

143. AI智能体为什么总是效果差？这两个坑90%的人都在踩

144. 智能体如何真正落地企业？浪潮信息给出一个最佳“答案”！

145. 智能体来了：企业HR如何导入AI应用

146. AI智能体落地实战指南：5步破解生产力困局

147. 企业AI智能体为何频频失效：数据访问危机与知识图谱增强大模型解决方案

148. 企业 AI 智能体落地三步突围：从效率工具到生态协同的实战攻略

149. AI价值落地遇阻，智能体经济来了，企业该如何破局？

150. AI系统定制，利用智能体提升企业生产力

151. 青蓝|从助手到同事：AI智能体赋能全行业企业发展的价值重构

152. 如何构建能够落地的智能体 AI 应用

153. 纸上智能体”：《智能体落地最佳实践白皮书》——您的企业AI进化行动指南

154. “智能体互操作协议安全评估指南”参编单位征集启动

155. 多智能体架构的核心功法

156. 清华大学｜从互联网架构视角，重新审视AI智能体通信的挑战与机遇

157. AI智能体总翻车？智能体的实施与交付指南！

158. 企业智能体实施路径：三阶六步27关键活动

159. 从互联网架构视角，重新审视AI智能体通信的挑战与机遇

160. 2026年中国企业AI人才与组织发展报告

161. 企业AI智能体落地前必须解决的66个关键问题（建议收藏）

162. 360发布智能体工程师标准及认证体系，破解AI时代人才瓶颈难题

163. 2025麦肯锡 AI应用现状调研

164. 河南本地企业 AI 智能体落地案例

165. CPaaS与网络API： AI智能体的下一个秘密武器？

166. 95% AI智能体试点失败！40%企业将遭致命攻击，小公司如何能避坑

167. 智能体与API如何连接实现自动化?

168. 三步走落地企业AI！用友本体智能体的价值实现阶梯

169. 如何为大型组织选AI智能体平台？2026年AI智能体平台全面评测推荐

170. AI+生态中智能体与非智能体的协同也很重要

171. 瑞银企业调查：六成企业选择“自制”AI而非购买现成，“AI智能体”仅有5%真正落地

172. 2025企业智能体平台搭建白皮书

173. 企业智能体落地指导，一文解析有哪些不同类型的智能体

174. 重磅！亚信科技联合亚信安全正式发布AI网关（智能体安全版）产品

175. AI智能体2.0：DeepAgent的四大关键点

176. 25%金融智能体项目面临失败风险

超六成企业AI项目困于试点，仅23%实现规模化应用，真正产生可衡量商业价值的不足5%

精选参考来源